Prva radionica
Oblast: Vizualizacija
Tema istrazivanja:
Primena veštačke inteligencije značajno je unapredila i optimizovala proces istraživanja u oblasti arhitektonske vizualizacije.
Korišćenje AI omogućava dodavanje sitnih nepravilnosti, poboljšanje tekstura i povećanje refleksije u našem renderu zahvaljujući inpaint opcijama, čime se unapređuju detalji koje nismo uspeli da postignemo ručno.
Predmet istraživanja jeste da kroz eksperimentisanje pronađem najefikasnija podešavanja u Stable Diffusion-u pomoću kojih se render enterijera može unaprediti uz minimalne izmene, spajajući tehničku tačnost arhitektonskog modela i vizuelnu uverljivost koju pruža AI.
Stanje u oblasti:
Jedna od najnaprednijih tehnologija u oblasti generisanja slika pomoću veštačke inteligencije je Stable Diffusion, koja je sve prisutnija u arhitektonskoj vizualizaciji. Stable Diffusion kombinuje language model, diffusion model i decoder kako bi transformisao ulazne podatke u visoko kvalitetne i verodostojne slike. Pored generisanja novih vizuala, tehnologija omogućava i image-to-image obradu i inpainting, što omogućava preciznu kontrolu nad arhitektonskim detaljima i selektivnu doradu postojećih rendera. Ove funkcije omogućavaju dizajnerima da prilagode i poboljšaju kompoziciju, teksture i osvetljenje, što ubrzava proces i olakšava istraživanje različitih stilova i vizuelnih rešenja.
*U sledećem primeru korišćen je Stable Diffusion za dodavanje ljudskih figura u postojeće arhitektonske rendere. AI je omogućio da se ljudi prirodno uklapaju u prostor, sa prilagođenim proporcijama, pozama i senkama, čime je scena dobila veći realizam i osećaj živosti. Prikazani su različiti primeri scena sa ljudima, demonstrirajući kako AI može obogatiti vizuelni doživljaj enterijera bez potrebe za ručnim modelovanjem ili dodatnim 3D elementima.
Prednost je da AI omogućava brzu doradu scena, poboljšava vizuelnu privlačnost rendera i štedi vreme u poređenju sa manuelnim dodavanjem likova. Dok su mane da ponekad dolazi do neprirodnih poza ili nesklada figura sa prostorom, a za optimalne rezultate potrebna je dodatna provera i korekcija, takodje i veliko iskustvo u izradi promtova.
Unapređenje realističnosti rendera kroz dodavanje ljudi i iterativne dorade scena pomoću Stable Diffusion. (slika preuzeta sa curvedaxis.com)
*Jedan od značajnih primera primene generativnih AI modela u arhitektonskim vizualizacijama predstavlja model Freedom.Redmond, baziran na Stable Diffusion 2.1. Ovaj model je generalist i nije specifično treniran za jednu kategoriju slika, što omogućava generisanje širokog spektra stilova. U praktičnoj primeni, istraživači i dizajneri su koristili Freedom. Za potrebe uporedne analize, korišćeni su isti promptovi koji su ranije primenjivani u modelima MidJourney i Realistic Vision V2.0. Rezultati su pokazali visok kvalitet slika, sa realističnim osvetljenjem, mekim senkama, skladnim tonovima boja i uverljivim osećajem dubine, ponekad čak nadmašujući rezultate MidJourney-a.
Posebno je zanimljivo što model omogućava eksperimentisanje kroz pozitivne i negativne promptove. Ova fleksibilnost omogućava brzo iteriranje i doradu sitnih detalja, što je naročito korisno u arhitektonskim vizualizacijama gde je potrebno poboljšati materijale, teksture, refleksije i sitne nepravilnosti koje doprinose verodostojnosti rendera. Ipak, važno je napomenuti da rezultati zavise od preciznosti prompta.
Realistic Vision v2.0 VS Freedom.Redmond
(slike preuzete sa designinputstudio.com)
Rezultati jako zavise od iskustva korisnika i preciznosti promptova, generalist karakter modela ponekad stvara elemente koji nisu u potpunosti arhitektonski precizni. Takođe, za punu kontrolu potrebno je tehničko znanje i lokalna instalacija, dok ponekad dolazi do neželjenih artefakata, neusklađenosti stilova ili materijala koji izgledaju manje verodostojno.
*Autor je na osnovu već gotovih 3D rendera, koji su mu služili kao podloga, koristio Stable Diffusion da unapredi vizualni kvalitet scena. AI je omogućio dodavanje ljudi u prvom planu, poboljšanje tekstura materijala poput drveta i betona, kao i doradu osvetljenja i senki, čime su renderi postali realističniji i vizuelno zanimljiviji.
Iako je pristup efikasan i štedi vreme, on ima i svoja ograničenja. Rezultati zavise od kvaliteta početnog rendera i promptova koje korisnik kreira, a ponekad su potrebne dodatne korekcije da bi ljudi i materijali bili potpuno u skladu sa prostorom i perspektivom.
Unapređenje 3D rendera enterijera pomoću Stable Diffusion – AI je doradio teksture i osvetljenje, prikazujući iterativni proces poboljšanja vizualnog doživljaja scene. (slika je skinuta sa https://cgaward.com.ua/)
*Antoine Vidal u svom članku istražuje kako integracija AI alata u 3D renderovanje može značajno ubrzati proces dizajniranja i omogućiti brže iteracije u ranim fazama razvoja proizvoda. On prikazuje korišćenje jednostavnih 3D modela u kombinaciji sa ControlNet i Stable Diffusion, gde AI dodaje detalje poput svetla, tekstura i refleksija direktno na postojeće modele. Ovakav pristup omogućava dizajnerima da brzo istraže različite vizuelne pravce i prilagode dizajn, što olakšava kreativno eksperimentisanje i štedi vreme, ali istovremeno zahteva da početni model bude kvalitetan i da promptovi budu precizno oblikovani, jer loš osnovni model ili neadekvatni upiti mogu dovesti do nezadovoljavajućih rezultata.
Vidal ističe da ovakav način rada povećava dostupnost vizualizacija i dizajnerima koji nemaju duboko znanje u 3D modelovanju, jer AI automatski dodaje detalje i stilizuje scenu. Istovremeno, ograničenje je što AI ne može u potpunosti zameniti ljudsku procenu i stručnost, te krajnji rezultat uvek zahteva kritički pregled.
AI može značajno ubrzati proces i olakšati eksperimentisanje, krajnji kvalitet vizualizacije i dalje zavisi od ljudske procene, posebno u pogledu kompozicije, proporcija i detalja koji zahtevaju stručnost i pažljivo prilagođavanje.
Primeri varijacije u stilu ali dosledne kompozicije (slika preuzeta sa https://uxdesign.cc/)
* Jedan od uočenih problema u radu sa Stable Diffusion-om je pojava mutnih delova i artefakata u generisanim slikama. Korisnici su izveštavali da slike mogu biti izuzetno mutne i da sadrže brojne artefakte, do tačke da izgledaju kao potpuni nered.
Ovaj problem može biti izazvan različitim faktorima, uključujući neodgovarajuće podešene parametre modela, loš kvalitet ulaznih podataka ili tehničke greške u samom softveru.
Problemi:
Analizom prethodnih primera jasno je da, iako AI alati poput Stable Diffusion-a značajno ubrzavaju proces vizualizacije i omogućavaju kreativno eksperimentisanje, postoje brojni izazovi i ograničenja:
- Zavisnost od preciznosti promptova i iskustva korisnika – Nejasno ili loše formulisano tekstualno upućivanje može dovesti do neželjenih rezultata, poput neprirodnih proporcija objekata, pogrešno postavljenih figura ili elemenata koji ne prate perspektivu scene.
- Ograničena rezolucija generisanih slika – Standardna rezolucija od 768×768 piksela kod mnogih modela može ograničiti kvalitet detalja i tekstura, naročito kod većih scena ili kompleksnih enterijera, što često zahteva dodatne korekcije ili upscaling alate.
- Mutni i nedosledni delovi – AI ponekad stvara delove slika koji nisu jasno definisani ili su mutni, naročito kada pokušava da kombinuje više elemenata, što otežava postizanje potpune verodostojnosti rendera.
- Osetljivost na denoising parametre – previsok denoising može promeniti geometriju i koncept scene.
Cilj:
Cilj je ispitati i razviti postupak korišćenja Stable Diffusion-a za unapređivanje postojećih rendera enterijera, poboljšavajući teksture, refleksije, osvetljenje i sitne nepravilnosti radi veće realističnosti, uz očuvanje osnovnog koncepta i forme scene, bez deformacija, mutnih delova ili neželjenih promena geometrije.
Hipoteza:
Korišćenjem Stable Diffusion-a za selektivno unapređivanje postojećih rendera enterijera moguće je poboljšati detalje, teksture i osvetljenje, bez zamagljenja ili promena oblika elemenata, tako da konačni render izgleda realističnije od originalnog.
Kriterijujmi uspešnosti:
- Očuvana je geometrija i oblik svih elemenata iz originalnog rendera.
- Dodate nepravilnosti i detalji poboljšavaju realističnost scene.
- Render je čist bez zamućenja, mutnih delova ili neželjenih artefakata u ključnim elementima scene.
- Kvantitativni: Učesnici ankete ocenjuju render pre i posle obrade na skali od 1 do 5, pri čemu se meri percepcija poboljšanja realističnosti, detalja i vizuelne koherentnosti scene.
Metode:
– Analiza i planiranje – Kao podloga koristi se gotov render enterijera, iz kojeg se biraju delovi koji treba da se poboljšaju.
– AI inpainting – Koristiće se Stable Diffusion da se selektivno dorade odabrani delovi scene, dodaju detalji i nepravilnosti, i poboljša osvetljenje, pri čemu osnovni koncept i oblik scene ostaje isti.
– Upoređivanje pre i posle – Razlike između originalnog i dorađenog rendera se analiziraju kako bi se videlo koliko su poboljšani detalji i realističnost.
– Anketa – Ljudi ocenjuju originalni i dorađeni render na skali od 1 do 5, fokusirajući se na detalje, realističnost i izgled scene.